Analisis Properti Dinamik Jembatan Box Girder Bentang 40 Meter Dengan Metode Subspace Stochastic Identification (SSI)

Muhammad Akbar, Akhmad Aminullah, ST., MT., Ph.D.; Ir. Ali Awaludin, S.T., M.Eng., Ph.D., IPU., ACPE.

2025 | Tesis | S2 Teknik Sipil

Penelitian ini bertujuan untuk menganalisis kondisi dinamis struktur jembatan box girder beton dengan bentang 40 meter, menggunakan teknologi Structural Health Monitoring System (SHMS) yang dilengkapi dengan akselerometer berakurasi tinggi. Fokus utama penelitian adalah identifikasi parameter modal penting, termasuk frekuensi alami, rasio redaman, dan mode bentuk, yang diperoleh melalui metode Operational Modal Analysis(OMA). Untuk keperluan tersebut, dua teknik identifikasi modal diterapkan, yaitu Stochastic Subspace Identification (SSI) dan Fast Fourier Transform (FFT). Data respons dinamis dikumpulkan secara real-time dalam empat sesi waktu berbeda untuk merekam variasi eksitasi alami akibat lalu lintas kendaraan yang melintasi jembatan. Pengambilan data pada berbagai waktu diharapkan memberikan gambaran yang lebih komprehensif tentang perilaku dinamis jembatan dalam kondisi operasional nyata. Hasil analisis menunjukkan bahwa metode SSI yang diimplementasikan menggunakan perangkat lunak Python (PyOMA) berhasil mengidentifikasi mode getar dengan tingkat akurasi yang tinggi. Hal ini dibuktikan dengan perbedaan frekuensi mode pertama yang sangat kecil ketika dibandingkan dengan hasil FFT, yaitu berkisar antara 0,00% hingga 0,51%. Selain itu, kesesuaian hasil SSI PyOMA dengan perangkat lunak ARTeMIS juga menunjukkan perbedaan yang minimal, yaitu antara 0,00% hingga 1,04%. Data yang diperoleh konsisten dengan pemodelan numerik yang menunjukkan deviasi kurang dari 3%. SSI PyOMA mampu mengidentifikasi mode getar dari mode pertama hingga keempat dan menghasilkan nilai redaman yang sesuai dengan standar teknis yang berlaku. Meskipun terdapat beberapa deviasi akibat tingginya tingkat noise pada data, secara keseluruhan metode SSI PyOMA terbukti efektif dan andal untuk estimasi parameter dinamis jembatan. Keandalan metode ini sangat bermanfaat dan penting dalam mendukung pengambilan keputusan untuk strategi pemeliharaan infrastruktur yang berkelanjutan.

This study aims to analyze the dynamic behavior of a 40-meter span concrete box girder bridge structure using Structural Health Monitoring System (SHMS) equipped with high-accuracy accelerometers. The primary focus of the research is the identification of significant modal parameters, including natural frequencies, damping ratios, and mode shapes, obtained through Operational Modal Analysis (OMA) methods. To achieve this, two modal identification techniques were employed: Stochastic Subspace Identification (SSI) and Fast Fourier Transform (FFT). Dynamic response data were collected in real-time across four different time sessions to capture the variability induced by natural excitation from vehicular traffic on the bridge. Collecting data at various times is expected to provide a more comprehensive understanding of the bridge's dynamic behavior under operational conditions. The analysis results demonstrate that the SSI method, implemented using Python-based PyOMA software, successfully identifies vibration modes with high accuracy. This is evidenced by the minimal difference in the first mode frequency compared to FFT results, ranging from 0.00% to 0.51%. Additionally, the agreement between SSI PyOMA and ARTeMIS software results is very good, with differences ranging from 0.00% to 1.04%. The findings are consistent with numerical modeling, showing deviations below 3%. SSI PyOMA effectively identified vibration modes from the first to the fourth mode and produced damping values within technical standard limits. Although some deviations occurred due to high noise levels in the data, overall, the SSI PyOMA method proved to be an effective and reliable tool for estimating the bridge's dynamic parameters. The reliability of this method is crucial in supporting decision-making for sustainable infrastructure maintenance strategies.

Kata Kunci : SHMS, OMA, Fast Fourier Transform (FFT), Stochastic Subspace Identification (SSI)